Reproducibility in the Control of Autonomous Mobility-on-Demand Systems

要約

ロボット工学、制御、および機械学習（ML）の進歩を促進する自律的なモビリティオンデマンド（AMOD）システムは、将来の都市輸送の有望なパラダイムを提供します。
AMODは、自動運転車艦隊の集中制御を活用して、運用を最適化し、サービスパフォーマンスを向上させることにより、高速でパーソナライズされた旅行サービスを提供しています。
しかし、この分野の急速な成長は、結果を評価および報告するための標準化されたプラクティスの開発を上回り、再現性の大きな課題につながりました。
AMODコントロールアルゴリズムがますます複雑になり、データ駆動型になると、仮定、実験セットアップ、およびアルゴリズムの実装における透明性の欠如は、科学的進歩を妨げ、結果に対する自信を損ないます。
この論文は、AMOD研究における再現性に関する体系的な研究を提示します。
研究パイプライン全体で重要なコンポーネントを特定し、システムモデリング、制御問題、シミュレーション設計、アルゴリズムの仕様、評価、および評価の一般的なソースを分析します。
文献の一般的な慣行を調査し、ギャップを強調し、再現性を評価および改善するための構造化されたフレームワークを提案します。
具体的には、具体的なガイドラインが「再現性チェックリスト」とともに提供され、繰り返し、比較可能な、拡張可能な結果を​​達成するための将来の作業をサポートします。
AMODに焦点を当てている間、私たちが提唱する原則と実践は、ネットワーク化された自律性とデータ駆動型のコントロールに依存するより広範なサイバー物理システムに一般化します。
この作業は、インテリジェントモビリティシステムの設計と展開において、より透明で再現可能な研究文化の基礎を築くことを目的としています。

要約(オリジナル)

Autonomous Mobility-on-Demand (AMoD) systems, powered by advances in robotics, control, and Machine Learning (ML), offer a promising paradigm for future urban transportation. AMoD offers fast and personalized travel services by leveraging centralized control of autonomous vehicle fleets to optimize operations and enhance service performance. However, the rapid growth of this field has outpaced the development of standardized practices for evaluating and reporting results, leading to significant challenges in reproducibility. As AMoD control algorithms become increasingly complex and data-driven, a lack of transparency in modeling assumptions, experimental setups, and algorithmic implementation hinders scientific progress and undermines confidence in the results. This paper presents a systematic study of reproducibility in AMoD research. We identify key components across the research pipeline, spanning system modeling, control problems, simulation design, algorithm specification, and evaluation, and analyze common sources of irreproducibility. We survey prevalent practices in the literature, highlight gaps, and propose a structured framework to assess and improve reproducibility. Specifically, concrete guidelines are offered, along with a ‘reproducibility checklist’, to support future work in achieving replicable, comparable, and extensible results. While focused on AMoD, the principles and practices we advocate generalize to a broader class of cyber-physical systems that rely on networked autonomy and data-driven control. This work aims to lay the foundation for a more transparent and reproducible research culture in the design and deployment of intelligent mobility systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google